[发明专利]一种基于深度语义分割网络的视觉目标识别方法和装置

权利要求书

1.一种基于深度语义分割网络的视觉目标识别方法，包括：

从数据集中获取作为对象的特征图；

在深度卷积网络CNN上构建带迂回卷积的深度残差网络ResNet，通过深度残差网络卷积特征图，消除深度卷积网络CNN中池化层，用于减少所述特征图对应特征参数的数量并增加特征映射的视场，分割所述特征图并输出；

基于场景标记的结果从输入场景中提取对象点，通过ICP算法将所述对象点与存储在3D点模型数据集中的点模型进行对齐来估计对象的3D姿态，确定最佳的3D对象姿势。

2.根据权利要求1所述的基于深度语义分割网络的视觉目标识别方法，其特征在于，在对所述特征图进行分割时，采用的是通过深度残差网络ResNet进行空洞卷积，实用带孔的卷积内核来卷积所述特征图，实现基于CNN的语义分割。

3.根据权利要求1或2所述的基于深度语义分割网络的视觉目标识别方法，其特征在于，对于深度卷积网络CNN的输出，采用与其完全连接的条件随机场CRF层对CNN输出进行细化，提供精确的对象分割结果并输出。

4.根据权利要求1所述的基于深度语义分割网络的视觉目标识别方法，其特征在于，在确定最佳的3D对象姿势的过程中，包括：

先使用快速点特征直方图算法FPFH和随机抽样一致性算法RANSAC估计所述对象的初始姿势，所述通过使用多维直方图推广点周围的平均曲率来编码特征点的k邻域几何属性，然后再通过ICP算法将所述对象点与存储在3D点模型数据集中的点模型进行对齐来估计对象的3D姿态，进而确定最佳的3D对象姿势。

5.一种基于深度语义分割网络的视觉目标识别装置，包括：

对象获取模块，其配置成从数据集中获取作为对象的特征图；

对象分割模块，其配置成在深度卷积网络CNN上构建带迂回卷积的深度残差网络ResNet，通过深度残差网络卷积特征图，消除深度卷积网络CNN中池化层，用于减少所述特征图对应特征参数的数量并增加特征映射的视场，分割所述特征图并输出；

特征提取模块，其配置成基于场景标记的结果从输入场景中提取对象点，通过ICP算法将所述对象点与存储在3D点模型数据集中的点模型进行对齐来估计对象的3D姿态，确定最佳的3D对象姿势。

6.根据权利要求5所述的基于深度语义分割网络的视觉目标识别装置，其特征在于，在所述对象获取模块中，其具体配置成通过深度残差网络ResNet进行空洞卷积，实用带孔的卷积内核来卷积所述特征图，实现基于CNN的语义分割。

7.根据权利要求5或6所述的基于深度语义分割网络的视觉目标识别装置，其特征在于，在对象分割模块中，其还配置成对于深度卷积网络CNN的输出，采用与其完全连接的条件随机场CRF层对CNN输出进行细化，提供精确的对象分割结果并输出。

8.根据权利要求5所述的基于深度语义分割网络的视觉目标识别装置，其特征在于，在所述特征提取模块中，具体配置成：

先使用快速点特征直方图算法FPFH和随机抽样一致性算法RANSAC估计所述对象的初始姿势，所述通过使用多维直方图推广点周围的平均曲率来编码特征点的k邻域几何属性，然后再通过ICP算法将所述对象点与存储在3D点模型数据集中的点模型进行对齐来估计对象的3D姿态，进而确定最佳的3D对象姿势。

9.一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。

10.一种计算机可读存储介质，优选为非易失性可读存储介质，其内存储有计算机程序，所述计算机程序在由处理器执行时实现如权利要求1-4中任一项所述的方法。